贪心算法又称贪婪算法，指的是在对问题求解时，总是做出在当前看来是最好的选择。也就是说，不从整体最优上加以考虑，他所做出的是某种意义上的局部最优解。
应用
1、找零问题：假设商店老板需要找零n元钱，钱币的面额有：100元，50元，20元，5元，1元，如何找零使得钱币的数量最少
思路：钱币数量最少，说明大面额的钱币数量要多一些，小面额的钱币数量要少一些。
t = [100,50,20,5,1]
def change(t,n): # 输入纸币大小列表和总钱数
m = [0 for _ in range(len(t))]
for i,money in enumerate(t):
m[i] = n // money # 通过地板除法来得到钱币的张数
n = n % money # 通过取余数得到剩余的钱数
return m,n
print(change(t,321))# 输出
([3, 0, 1, 0, 1], 0)2、背包问题：一个小偷在商店发现有n个商品，第i个商品价值vi元，重wi千克。他希望拿走的价值尽量高，但他的背包最多只能容纳W千克的东西。他应该拿走哪些商品。
又分为两种情况：（1）0-1背包：对于一个商品，小偷要么把它完整拿走，要么留下。不能只拿走一部分，或把一个商品拿走多次。（例如金条）
（2）分数背包：对于一个商品，小偷可以拿走其中任意一部分。（例如金粉）
思路：两种情况其实不一样，分数背包只需要找出性价比最高的就好，（使用贪心算法可以解决），但是0-1背包就不能这么简单的考虑了，需要考虑到剩余的空间不能放入的问题，（需要使用动态规划）。我们这里先解决分数背包。先通过排序，把性价比最高的排在前面，然后依次装入，装到满为止
goods = [(60,10),(100,20),(120,30)]
goods.sort(key = lambda x: x[0]/x[1],reverse=True) # 排序寻找单位重量更大的
def fractional_backpack(goods,w):
m = [0 for _ in range(len(goods))]
total_val = 0
for i,(prize,weight) in enumerate(goods):
if w>=weight:
m[i] = 1
total_val += prize
w -= weight
else:
m[i] = w/weight
total_val += m[i] * prize
w = 0
break
return total_val,m
print(fractional_backpack(goods,50))3、拼接最大数字问题：有n个非负整数，将其按照字符串拼接的方式拼接为一个整数。如何拼接可以使得得到的整数最大。
思路：虽然我们最简单的思路就是说，把第一个数字最大的排在最前面，遇到相同的就看下一位；但是其实会有一种情况需要解决，就是前面部分相同，但是有一个数字更长，（如：123和1234），我们应该把哪个放在前面，所以不能按照直接去比较的方法。我们这里只需要暴力解决，数字连接有两种情况，一个是x+y，一个是y+x，我们只需要比较这两个哪个大，就使用哪个。
from functools import cmp_to_key
li = [32,94,128,1286,6,71]
def xy_cmp(x,y):
if x+y < y+x:
return 1 # 表示两个数要交换了
elif x+y > y+x:
return -1
else:
return 0
def number_join(li):
li = list(map(str,li))
li.sort(key=cmp_to_key(xy_cmp))
return "".join(li)
print(number_join(li))4、活动选择问题：假设有n个活动，这些要占用同一片场地，而场地在某时刻只能供一个活动使用。每个活动都有一个开始时间si和结束时间fi（题目中时间以整数表示），表示活动在[si,fi)区间占用场地。问：安排哪些活动能够使该场地举办的活动的个数最多。
思路：最先结束的活动一定是最优解的一部分。就是说，我们不看活动开始的时间和持续的时间，我们只比较活动结束的时间，并且注意下一个活动开始的时间要比上一个活动结束的时间晚。
activities = [(1,4),(3,5),(0,6),(5,7),(3,9),(6,10),(8,11),(8,12),(2,14),(12,16)]
# 保证活动是按照活动结束时间排好序的
activities.sort(key=lambda x:x[1])
def activity_selection(a):
res = [a[0]]
for i in range(1,len(a)):
if a[i][0] >= res[-1][1]:
#
res.append(a[i])
return res
print(activity_selection(activities))
